Inbäddning av restaurangrecensioner
En vanlig klassificeringsuppgift där inbäddningar fungerar utmärkt är sentimentanalys. I den här och efterföljande övningar går du igenom arbetsflödet för att utföra sentimentanalys med hjälp av inbäddningar.
Du har tillgång till ett litet urval av restaurangrecensioner, lagrade i reviews, samt sentimentetiketter lagrade i sentiments:
sentiments = [{'label': 'Positive'},
{'label': 'Neutral'},
{'label': 'Negative'}]
reviews = ["The food was delicious!",
"The service was a bit slow but the food was good",
"The food was cold, really disappointing!"]
Du använder zero-shot-klassificering för att klassificera sentimentet i dessa recensioner genom att bädda in recensionerna och klassetiketterna.
Funktionen create_embeddings() som du skapade tidigare finns också tillgänglig att använda.
Den här övningen är en del av kursen
Introduktion till inbäddningar med OpenAI API
Övningsinstruktioner
- Skapa en lista med klassbeskrivningar från etiketterna i ordlistan
sentimentsmed hjälp av en listomfattning. - Bädda in
class_descriptionsochreviewsmed funktionencreate_embeddings().
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Create a list of class descriptions from the sentiment labels
class_descriptions = ____
# Embed the class_descriptions and reviews
class_embeddings = ____
review_embeddings = ____